98Picks
Pick に失敗しました

人気 Picker
AIによる人事異動の最適化の取り組みは私もやったことがありますが、非常に難しいです。その理由としては大きく3点あります。

①正解データ(目的変数)の定義
分析モデルを作成するには当然、正解を定義しなければなりません。その際に何を正解とするのかが人事異動は難しい。過去の人事異動が正確であったと仮定して過去異動歴を正解とするのか、異動翌年の評価が高かったら正解とするのかなど。後者だとサンプル数が少なくモデルの精度が悪くなる。

②特徴量(説明変数)の不足
人事領域はデジタル化されていないデータや明文化されていない感覚的なインプットが多量にあります。データ化されているものだけでAIモデルを構築すると、考慮できていない要素が大量にあるため例外が多発します。

③分析結果の偏り
日本の多くの企業では、ジェネラリストが重用されていることもあり、優秀な社員はどのポジションに対する異動候補でもスコア上位に出てきます。そのため、どのポジションの候補一覧を見ても同じメンツしか出てこないなんてこともしばしば。デジタル人材など、"尖った"人材であれば違いが出るのですが。

①~③を考えると、AIによる人材異動モデルはあくまで参考情報、最終的に人間が決めるためのインプットの一部として使用するというのが、現時点でのベストプラクティスだと言えます。
AIで公平な人事をしようという試みでしょうか?

明治安田生命は、旧明治生命が威張っていると聞いたことがあります。
旧安田生命の人たちは萎縮しているそうで…。

まさかこのAI、旧明治と旧安田を別基準にしていないのでしょうね~(笑)
これはAIなのか・・・?

>必要な能力や資格を入力することで適任者を見つけ出せるシステムで、今後AIの導入により、個々人が持つ分析力やコミュニケーション能力など詳細で膨大なデータを基に効果的な組織編成が可能になると見込んでいる。
「社員の個々の適性や能力をAIが分析して最適な人員の配置や構成を進め、生産性の高い組織を目指す」のだそう。
AIが人事異動を決める時代に。従業員が多い企業であれば業務負担の軽減効果も大きくなりますね。より最適な配置ができるようになるのか、気になるところ。
https://youtu.be/A0t_AzvMr3w

人事にAIは必要か?

というテーマで先日収録したのですが、まさに最後に述べた判定基準を適用して欲しい事例です。

そもそも、生産性高く働いている人のモチベーションを科学するには、人生は短すぎてテータ揃えられない。。。

というのが、28万人の人事データを見てきた実務者としての実感です。
AIによる異動提案の効果性 vs 異動決定者の効果性

経営としては、2本立てにしてやるのでは。

異動決定者の判断で、部署の成績が下がったら、決定者は、問答無用で次の異動時期にAIによって、自らが異動させられる。

売上成績という数値データで、AI判断と人判断の優劣を決める。

中々に利用方法が難しいですね。
04年、国内初の生命保険会社の明治生命と安田生命が合併し発足。国内生命保険事業を中心に、「対面のアフターフォロー」を強みとする営業職員を基幹チャネルに展開。総資産37兆5,614億円(2016年度末)

業績